基于遙感數(shù)據(jù)和GWR模型的成都PM2.5濃度時(shí)空分布特征研究

賈宏亮,羅俊,肖東升

(西南石油大學(xué)土木工程與測(cè)繪學(xué)院,四川 成都 610500)

0 引 言

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,大氣環(huán)境問(wèn)題愈發(fā)嚴(yán)重,受到社會(huì)各界越來(lái)越多的關(guān)注,大氣污染的準(zhǔn)確監(jiān)測(cè)也成為社會(huì)關(guān)注的熱點(diǎn),其中對(duì)PM2.5的監(jiān)測(cè)尤為重視。PM2.5又名細(xì)顆粒物,是指大氣環(huán)境中顆粒物直徑在2.5μm之下的固態(tài)或液態(tài)污染物[1]。和大氣中體積較大的污染物相比,PM2.5具有更小的粒徑、更大的表面積以及更高的活性,導(dǎo)致其更容易攜帶有毒有害物質(zhì)。另外,它在大氣中能夠存在的時(shí)間更長(zhǎng),因此對(duì)人體健康和空氣質(zhì)量的影響更為顯著[2]。國(guó)內(nèi)外大量研究表明,作為霧霾重要組成部分的PM2.5可誘發(fā)或加重各個(gè)系統(tǒng)的疾病[3],還會(huì)嚴(yán)重地污染空氣和生態(tài)環(huán)境。因此對(duì)于PM2.5的時(shí)空分布研究對(duì)生態(tài)環(huán)境和人體健康有著重要的意義。目前對(duì)PM2.5質(zhì)量濃度的監(jiān)測(cè)主要有地面監(jiān)測(cè)和遙感反演兩種方式[4]。地面監(jiān)測(cè)數(shù)據(jù)雖然精度和時(shí)間分辨率高,但是存在監(jiān)測(cè)站點(diǎn)少、空間不連續(xù)等缺點(diǎn)而不能完全反應(yīng)特定區(qū)域內(nèi)的PM2.5時(shí)空分布特征[5];相較于地面監(jiān)測(cè)而言,利用衛(wèi)星遙感數(shù)據(jù)反演PM2.5質(zhì)量濃度能夠快速地獲得大面積連續(xù)的PM2.5數(shù)據(jù),因此利用遙感技術(shù)估算近地面PM2.5質(zhì)量濃度逐漸成為一種主流的技術(shù)手段[6]。

大氣氣溶膠是懸浮在大氣中的各種液態(tài)和固態(tài)顆粒物的總稱,其粒徑可達(dá)100μm,PM2.5是大氣氣溶膠的重要組成部分。氣溶膠光學(xué)厚度(AOD)是指氣溶膠的消光系數(shù)在垂直方向上的積分,大量的研究表明地面監(jiān)測(cè)的PM2.5與AOD具有較高的相關(guān)性[7?10]。因此,利用遙感數(shù)據(jù)監(jiān)測(cè)PM2.5主要是通過(guò)建立PM2.5與AOD兩者間的聯(lián)系來(lái)完成。目前基于AOD的PM2.5質(zhì)量濃度反演的關(guān)鍵在于如何構(gòu)建衛(wèi)星遙感數(shù)據(jù)與PM2.5質(zhì)量濃度數(shù)據(jù)之間的關(guān)系模型。近年來(lái),不少學(xué)者利用簡(jiǎn)單線性回歸模型、多元線性回歸模型、混合效應(yīng)模型、土地利用回歸模型、人工神經(jīng)網(wǎng)絡(luò)和地理加權(quán)回歸模型等多種數(shù)學(xué)模型[11?17]對(duì)PM2.5質(zhì)量濃度進(jìn)行反演。其中,地理加權(quán)回歸(Geographically weighted regression,GWR)模型的主要思想是將空間位置引入回歸模型,考慮自變量在不同空間位置上的變化特征,有利于提高反演精度。利用該模型反演PM2.5質(zhì)量濃度已有大量的研究成果,付宏臣等[18]利用AOD與GWR模型反演出京津冀地區(qū)2016年的PM2.5濃度,發(fā)現(xiàn)PM2.5污染情況最嚴(yán)重的是衡水市,最輕的是張家口市。陳輝等[19]利用衛(wèi)星遙感數(shù)據(jù)和地面監(jiān)測(cè)數(shù)據(jù)建立的GWR模型對(duì)我國(guó)冬季的PM2.5進(jìn)行反演,結(jié)果表明我國(guó)冬季12月污染最嚴(yán)重,2月相對(duì)最低。易唯等[20]利用GWR模型反演出天山北坡經(jīng)濟(jì)帶2018年3–11月PM2.5濃度,其結(jié)果表明天山北坡經(jīng)濟(jì)帶PM2.5濃度11最高,9月最低。這些研究表明GWR模型能有效地估算近地面PM2.5濃度。

成都市作為國(guó)家重要的高新技術(shù)產(chǎn)業(yè)基地、商貿(mào)物流中心,是西部地區(qū)重要的中心城市,近年來(lái)在城市快速發(fā)展的同時(shí)也產(chǎn)生了空氣污染問(wèn)題[21],引發(fā)了社會(huì)各界的關(guān)注。本文以成都市作為研究區(qū)域,基于MODIS的L1B021KM數(shù)據(jù),結(jié)合氣象數(shù)據(jù)和PM2.5地面站點(diǎn)監(jiān)測(cè)數(shù)據(jù),利用地理加權(quán)回歸模型反演了成都市2018年1–12月PM2.5質(zhì)量濃度逐月的時(shí)空分布數(shù)據(jù),以期為成都市PM2.5的監(jiān)測(cè)與防治提供科學(xué)參考。

1 研究區(qū)域概況

成都市位于中國(guó)四川省中東部,為四川省省會(huì),國(guó)家中心城市,是四川的政治、經(jīng)濟(jì)、文化中心,擁有悠久的歷史文化。從地理位置上來(lái)看,成都市位于北緯 30°05′N～31°26′N,東經(jīng) 102°54′E～104°53′E 之間,南北跨度超過(guò)160 km、東西跨度超過(guò)190 km,總面積為3639.81 km2。北至德陽(yáng)市,西連阿壩藏族羌族自治州、雅安市,南通眉山市,東與資陽(yáng)樂(lè)至縣。從地形地貌來(lái)看,成都市平均海拔約500 m,從西向東逐漸降低,最低點(diǎn)位于簡(jiǎn)陽(yáng)市,海拔為359 m;最高點(diǎn)位于大邑縣,海拔為5353 m。其地貌由西部的高原、中部的平原以及東部的丘陵組成。西部高原主要與橫段山脈邊緣接壤,以西南-東北走向途經(jīng)邛崍市、崇州市、大邑縣、都江堰市和彭州市,在成都境內(nèi)形成邛崍山脈;中部的平原主要由沱江和岷江形成的沖積扇平原構(gòu)成;東部由龍泉山脈構(gòu)成。由于地理差異明顯,導(dǎo)致成都市PM2.5時(shí)空分布差異明顯[22?24]。成都市地理位置及PM2.5監(jiān)測(cè)站點(diǎn)分布情況如圖1所示。

圖1 成都市PM2.5監(jiān)測(cè)站點(diǎn)Fig.1 PM2.5monitoring sites of Chengdu City

2 數(shù)據(jù)來(lái)源與方法

2.1 數(shù)據(jù)來(lái)源及處理

2.1.1 MODIS遙感數(shù)據(jù)

美國(guó)NASA的MODIS傳感器搭載在Terra和Aqua兩顆衛(wèi)星上,擁有多個(gè)通道,具有多光譜、寬覆蓋和時(shí)間分辨率高等特點(diǎn),能夠在上午和下午分別提供一次全球的影像資料,通過(guò)該影像資料能夠反演出具有較高精度的AOD空間分布數(shù)據(jù)。本工作采用美國(guó)宇航局戈達(dá)德宇宙飛行中心官網(wǎng)(https://ladsweb.modaps.eosdis.nasa.gov/)發(fā)布的2018年1–12月的MODIS MOD021KM數(shù)據(jù),其空間分辨率為1 km,觀測(cè)衛(wèi)星為北京時(shí)間上午10:00左右過(guò)境的Terra星。

2.1.2 PM2.5站點(diǎn)監(jiān)測(cè)數(shù)據(jù)

PM2.5質(zhì)量濃度地面監(jiān)測(cè)數(shù)據(jù)從全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)(http://106.37.208.233:20035/)下載得到,對(duì)比數(shù)據(jù)的成像時(shí)間,選擇將每日10:00–13:00的PM2.5質(zhì)量濃度的平均值作為當(dāng)日數(shù)據(jù)。

2.1.3 氣象數(shù)據(jù)

使用的氣象數(shù)據(jù)主要包括:邊界層高度(PBLH)、相對(duì)濕度(RH)、氣溫(TEM)、表面氣壓(SP)、風(fēng)速(WIN)、總降雨量(RF)。氣象數(shù)據(jù)來(lái)源于歐洲中期天氣預(yù)報(bào)中心官網(wǎng)(https://www.ecmwf.int/)的ERA5數(shù)據(jù),按照AOD數(shù)據(jù)反演的時(shí)間,選擇每天上午10:00–13:00的數(shù)據(jù),該數(shù)據(jù)的空間分辨率為0.25°×0.25°,為了能和AOD數(shù)據(jù)的空間分辨率匹配需要利用ArcGIS對(duì)氣象數(shù)據(jù)進(jìn)行投影柵格、重采樣以及裁剪等操作。

2.2 模型構(gòu)建與精度評(píng)價(jià)

2.2.1 地理加權(quán)回歸模型(GWR)

成都市PM2.5監(jiān)測(cè)站點(diǎn)有10個(gè),2018年只有8個(gè)站點(diǎn)有記錄數(shù)據(jù),由于站點(diǎn)在空間上分布不均,因此采用GWR模型對(duì)PM2.5質(zhì)量濃度進(jìn)行反演。GWR模型與全局回歸的區(qū)別在于,GWR模型反演得到的結(jié)果是用來(lái)分析研究對(duì)象在不同的空間位置下因變量與解釋變量之間的不同關(guān)系,屬于局部的回歸結(jié)果。其本質(zhì)是通過(guò)對(duì)距離加權(quán)得到空間上連續(xù)變化的回歸系數(shù),從而來(lái)建立空間位置上因變量與自變量的回歸模型[25?27],建立的GWR模型具體為

式中yi表示因變量,即監(jiān)測(cè)站點(diǎn)i在空間位置(ui,ki)處PM2.5濃度值,(ui,ki)為第i個(gè)監(jiān)測(cè)站點(diǎn)的坐標(biāo);β0(ui,ki)為模型的不變因子;βj(ui,ki)為第j個(gè)自變量因子的系數(shù);Xij為第i個(gè)站點(diǎn)的自變量;φi(ui,ki)為第i個(gè)監(jiān)測(cè)站點(diǎn)的隨機(jī)誤差。

GWR模型的核心在于空間權(quán)重矩陣的選擇,其選取是否合適對(duì)模型的精度有著很大的影響。采用高斯函數(shù)作為權(quán)重函數(shù),其表現(xiàn)形式為

式中dij表示觀測(cè)點(diǎn)i和j之間的距離;b為帶寬,用來(lái)描述距離和權(quán)重之間的關(guān)系,一般用一個(gè)連續(xù)單調(diào)遞減的函數(shù)來(lái)表示。從圖1可以看出,成都市PM2.5地面監(jiān)測(cè)站點(diǎn)主要分布在成都中部地區(qū),因此選擇自適應(yīng)帶寬,并用通過(guò)最小化校正的Akaike信息準(zhǔn)則值來(lái)獲得最優(yōu)帶寬。

為避免模型多個(gè)自變量間的多重共線性影響,計(jì)算了各變量的方差膨脹因子(VIF)FVI,其計(jì)算公式為

式中表示第i個(gè)自變量與其他自變量做回歸分析時(shí)的相關(guān)系數(shù)的平方。VIF越大說(shuō)明模型間存在多重共線性的可能性越大,因此選擇VIF限值為6,即當(dāng)VIF小于6時(shí)認(rèn)為構(gòu)建模型的自變量不存在多重共線性;當(dāng)VIF大于等于6時(shí)認(rèn)為自變量存在多重共線性問(wèn)題。由于成都市降雨主要集中在3–9月份,10–2月份降雨量少,對(duì)3–9月份和10–2月份分別建立GWR模型,模型的自變量選擇及各變量方差膨脹因子如表1所示。

表1 不同模型所需的自變量Table 1 Independent variables required for different models

2.2.2 模型精度評(píng)價(jià)

為了檢驗(yàn)?zāi)Ｐ偷木?通過(guò)決定系數(shù)R2、均方根誤差ERMS以及平均絕對(duì)誤差EMA來(lái)對(duì)模型反演結(jié)果的精度進(jìn)行評(píng)價(jià)。其中R2表示的是預(yù)測(cè)值與實(shí)測(cè)值之間的符合程度,其大小在0～1之間,R2越大證明模型預(yù)測(cè)的結(jié)果越接近真實(shí)值;ERMS和EMA表達(dá)的是模型預(yù)測(cè)值偏離實(shí)測(cè)值的程度,它們的值越小說(shuō)明模型精度越高,其計(jì)算公式分別為

式中n表示樣本總數(shù),Xi表示第i個(gè)實(shí)測(cè)值,ti表示第i個(gè)預(yù)測(cè)值。

3 結(jié)果與分析

3.1 描述性統(tǒng)計(jì)

描述性統(tǒng)計(jì)能夠?qū)λ米兞繑?shù)據(jù)的聚集和離散程度有很好的體現(xiàn),利用SPSS軟件對(duì)研究所用的AOD以及氣象數(shù)據(jù)進(jìn)行了描述性統(tǒng)計(jì),其結(jié)果如表2所示。

表2 變量描述性統(tǒng)計(jì)結(jié)果Table 2 Descriptive statistics of variables

從描述性統(tǒng)計(jì)結(jié)果看出,PM2.5的平均(AVG)質(zhì)量濃度為52.07μg·m?3,最大值(MAX)為90.13μg·m?3,最小值 (MIN)為 16.02 μg·m?3,標(biāo)準(zhǔn)偏差 (SD)為 20.21 μg·m?3;AOD 的范圍為 0.08～1.48,平均值為 0.6,標(biāo)準(zhǔn)偏差為0.32;邊界層高度(PBLH)的最大值為1218.00 m,最小值為341.69 m,標(biāo)準(zhǔn)偏差為215.55 m,PBLH主要影響PM2.5在大氣垂直方向上的分布;WIN主要影響PM2.5在大氣中水平方向上的分布,使用的風(fēng)速在1.48～2.22 m·s?1范圍內(nèi)變化,標(biāo)準(zhǔn)差為0.19 m·s?1,和其他氣象因素相比,風(fēng)速的變化幅度是最小的;TEM的最小值為1.88°C,最大值為30.16°C,標(biāo)準(zhǔn)偏差為7.85°C;SP主要是對(duì)PM2.5在大氣中的平穩(wěn)性產(chǎn)生影響,其標(biāo)準(zhǔn)偏差為30.73 hPa,平均值為941.05 hPa;RH的最小值為67.75%,最大值為89.28%,均值為77.77%,說(shuō)明成都市2018年處于比較濕潤(rùn)的環(huán)境中;總降雨量在5.72～310.25 mm,平均值為136.95 mm。

3.2 GWR模型模擬結(jié)果對(duì)比驗(yàn)證

為了對(duì)比模型預(yù)測(cè)結(jié)果的精度,在保證自變量(AOD與氣象數(shù)據(jù))和因變量(PM2.5站點(diǎn)實(shí)測(cè)值)不變的情況下,構(gòu)建了成都市2018年的多元線性回歸(MLR)模型,GWR模型和MLR模型反演的PM2.5質(zhì)量濃度與地面監(jiān)測(cè)站點(diǎn)實(shí)測(cè)的PM2.5質(zhì)量濃度散點(diǎn)擬合圖如2所示。

從GWR模型和MLR模型散點(diǎn)擬合圖可以看出,GWR模型的決定系數(shù)R2為0.884,MLR模型的R2為0.808,兩者均大于0.8,表明兩個(gè)模型的預(yù)測(cè)結(jié)果與地面實(shí)測(cè)PM2.5有較高的吻合度。MLR模型的ERMS、EMA分別為 7.8704 μg·m?3、9.7098 μg·m?3;GWR 模型的ERMS、EMA分別為 6.1566 μg·m?3、7.6081 μg·m?3,二者的ERMS均小于8μg·m?3、EMA均小于10μg·m?3,說(shuō)明GWR模型和MLR模型都可以用于成都市的PM2.5質(zhì)量濃度反演。從兩種模型反演結(jié)果對(duì)比可以看出,GWR模型反演PM2.5值的R2比MLR模型反演的R2高0.076;GWR 模型的ERMS和EMA分別比 MLR模型的小 1.8394μg·m?3、1.4515μg·m?3,表明 GWR模型反演的PM2.5濃度更能夠反應(yīng)出地面PM2.5濃度的真實(shí)值,誤差也小于MLR模型反演的結(jié)果。

圖2 GWR模型(a)與MLR模型(b)散點(diǎn)擬合圖Fig.2 Scatter and fitting diagram of GWR model(a)and MLR model(b)

3.3 成都市PM2.5質(zhì)量濃度時(shí)空分布特征

3.3.1 空間分布特征

利用地理加權(quán)回歸模型得到了2018年成都市PM2.5濃度空間分布情況,如圖3所示。

圖3 成都市2018年年均PM2.5濃度空間分布Fig.3 Spatial distribution of average annual concentration of PM2.5in Chengdu City in 2018

從圖上可以看出,成都市2018年P(guān)M2.5濃度分布總體上呈現(xiàn)“兩邊低、中間高”的空間分布特征,年平均濃度在0～80μg·m?3之間,成都市的年平均濃度為46.14μg·m?3,超過(guò)了國(guó)家環(huán)境空氣質(zhì)量二級(jí)標(biāo)準(zhǔn)(GB3095-2012)PM2.5濃度限值35μg·m?3。成都市的PM2.5濃度高值區(qū)主要分布在成都平原中部地區(qū),并且形成了一條明顯的新都區(qū)―浦江縣的高值帶;PM2.5濃度低值區(qū)主要分布在成都平原西部的邛崍市、大邑縣、崇州市、都江堰市以及彭州市,這些地方海拔較高,植被覆蓋度高,降雨充足,是PM2.5濃度低值的主要原因;PM2.5濃度次低值區(qū)域主要分布在成都平原東部的金堂縣、簡(jiǎn)陽(yáng)市以及龍泉驛區(qū)和雙流區(qū)的部分地區(qū),這些地方龍泉山山脈的存在阻礙了成都平原PM2.5向這些地方的擴(kuò)散,形成了PM2.5濃度次低值區(qū)。

3.3.2 時(shí)間分布特征

根據(jù)兩種地理加權(quán)回歸模型分別得到了成都市2018年1–12月的PM2.5月均濃度(圖4)以及每個(gè)月的空間分布結(jié)果(圖5)。

圖4 成都市PM2.5月均濃度變化Fig.4 Changes in the monthly average concentration of PM2.5in Chengdu City

圖5 成都市PM2.5月濃度空間分布Fig.5 Spatial distribution of monthly concentration of PM2.5in Chengdu City

從圖4可以看出,成都市的PM2.5濃度在月尺度上的總體變化趨勢(shì)呈現(xiàn)“凹字型”,且只有6、7、8、9四個(gè)月的月均濃度在國(guó)家二級(jí)標(biāo)準(zhǔn)之內(nèi),其他月份均超過(guò)了這個(gè)標(biāo)準(zhǔn)。其中,2月份的月均濃度最大,達(dá)到了69.88μg·m?3,超出國(guó)家二級(jí)標(biāo)準(zhǔn)限值99%,1月份的濃度為第二高,達(dá)到68.94μg·m?3;其次為3、4、11、12月,月均濃度在48.54～60.19μg·m?3之間,超出了國(guó)家二級(jí)標(biāo)準(zhǔn)39%～72%;6、8、9月的PM2.5濃度相對(duì)較低,分別為33.84、34.51、32.28μg·m?3,均低于國(guó)家二級(jí)標(biāo)準(zhǔn)35μg·m?3,但高于國(guó)家一級(jí)標(biāo)準(zhǔn)限值15μg·m?3;7月的PM2.5濃度最低,為27.42μg·m?3,超出了國(guó)家一級(jí)標(biāo)準(zhǔn)限值82%,但低于國(guó)家二級(jí)標(biāo)準(zhǔn)。

利用地理加權(quán)回歸模型反演得到的成都市PM2.5月濃度結(jié)果如圖5所示。由圖可知,成都市PM2.5月濃度分布在空間上整體呈現(xiàn)出“兩邊低、中間高”的特點(diǎn),與前面分析的年均分布得到的結(jié)果一致。1月成都市PM2.5濃度總體處于中高值,最大值為89.11μg·m?3;2月成都市的PM2.5濃度分布的空間特征與1月基本一致,但不同的是中部地區(qū)的PM2.5濃度有所上升,最高值達(dá)到了125.37μg·m?3,主要分布在新都區(qū)、新津縣以及蒲江縣;3月與2月相比,高值范圍沒(méi)有變化,但是高值覆蓋的區(qū)域明顯降低,且中值(45～65μg·m?3)覆蓋區(qū)域顯著擴(kuò)大;4月與3月相比總體上變化不大,主要變化的是PM2.5濃度高值區(qū)向東北方向轉(zhuǎn)移;5月PM2.5濃度顯著降低,最大值范圍降到了 45～50 μg·m?3;6–7 月份 PM2.5濃度降到 35～40 μg·m?3,成都市整體上處于低濃度水平且整體差異不大;8月PM2.5濃度有所上升,最高值范圍為55～60μg·m?3,集中分布在崇州市東北部、溫江區(qū)西部、彭州市東南部、簡(jiǎn)陽(yáng)市和金堂縣東南部;9月中部地區(qū)PM2.5濃度最高值增加到60～65μg·m?3,簡(jiǎn)陽(yáng)市、金堂縣東南部PM2.5濃度比8月有所降低;10月與9月相比,中部地區(qū)濃度增加主要集中在蒲江縣和新都區(qū)附近,西北和東南地區(qū)濃度有輕微的回落;10月份PM2.5濃度不但迅速增高,而且高值 (65～75μg·m?3)覆蓋的區(qū)域也大幅的增加;12月成都市的 PM2.5濃度和高值(65～85μg·m?3)覆蓋的區(qū)域進(jìn)一步的擴(kuò)大,大部分區(qū)域的PM2.5濃度都超過(guò)了40μg·m?3,且低值區(qū)覆蓋區(qū)域進(jìn)一步縮小。從圖5還可以看出都江堰市、大邑縣和崇州市西北部等地區(qū)長(zhǎng)年處于PM2.5濃度低值覆蓋區(qū)。

在季節(jié)尺度上對(duì)2018年成都市PM2.5濃度分布進(jìn)行了反演,得到的空間分布結(jié)果如圖6所示。由圖可知,成都市2018年P(guān)M2.5濃度季節(jié)性變化顯著。春季3–5月的PM2.5濃度最低值為5.45μg·m?3,最高值為 83.42 μg·m?3,平均濃度為 55.23 μg·m?3;夏季 6–8 為 PM2.5濃度最小的季節(jié),最小濃度為 5.36 μg·m?3,最大濃度為 66.76 μg·m?3,平均值為 31.95 μg·m?3,低于國(guó)家二級(jí)標(biāo)準(zhǔn);秋季 9–11 月 PM2.5濃度在 1.44～73.48μg·m?3之間變化,平均值為 41.4 μg·m?3;冬季 12–2 月 PM2.5濃度明顯上升,最小值為 10.86 μg·m?3,最大值為123.37μg·m?3,平均值為61.38μg·m?3。通過(guò)對(duì)成都市各季節(jié)PM2.5濃度分布進(jìn)行分析,可以知道夏季成都市的PM2.5濃度最低,達(dá)到了國(guó)家二級(jí)標(biāo)準(zhǔn),其次是春秋兩季,冬季濃度最高。從空間上看春季高值區(qū)主要集中在新都區(qū)、郫都區(qū)、溫江區(qū)、青羊區(qū)、崇州市東南部、新津縣北部和青白江區(qū)及其附近區(qū)域;夏季彭州市東南部和溫江區(qū)較其他區(qū)縣PM2.5濃度明顯偏高;秋季高值區(qū)主要包括彭州市東南部以及蒲江縣;冬季彭州市和崇州市東南部、新都區(qū)、郫都區(qū)以及溫江區(qū)PM2.5濃度顯著增加。為了能更準(zhǔn)確的表達(dá)出成都市PM2.5濃度的空間分布特征,對(duì)成都市各區(qū)縣的PM2.5濃度進(jìn)行了統(tǒng)計(jì),結(jié)果如表3所示。從表3可以看出2018年P(guān)M2.5年均濃度最高的區(qū)域?yàn)樾露紖^(qū)的55.14μg·m?3,超出了國(guó)家二級(jí)標(biāo)準(zhǔn)60%;年均濃度最低的地區(qū)為都江堰市的 26.36 μg·m?3。

圖6 成都市2018年各季節(jié)PM2.5濃度空間分布。(a)春季;(b)夏季;(c)秋季;(d)冬季Fig.6 Spatial distribution of concentration of PM2.5in each season in Chengdu City in 2018.(a)Spring,(b)summer,(c)autumn,(d)winter

表3 成都市各區(qū)縣不同季節(jié)PM2.5平均濃度Table 3 Average concentration of PM2.5in different seasons in various districts and counties of Chengdu City

4 討 論

基于MODIS遙感數(shù)據(jù),結(jié)合地面監(jiān)測(cè)站點(diǎn)的PM2.5數(shù)據(jù)以及氣象數(shù)據(jù),同時(shí)建立了成都市PM2.5濃度反演的地理加權(quán)回歸模型和多元線性回歸模型,通過(guò)對(duì)比可以發(fā)現(xiàn),地理加權(quán)回歸模型預(yù)測(cè)結(jié)果的決定系數(shù)R2、ERMS和EMA等三個(gè)精度評(píng)價(jià)指標(biāo)都明顯好于多元線性回歸模型,表明GWR模型在成都市PM2.5濃度反演精度更高,更符合實(shí)際情況。

在進(jìn)行AOD反演時(shí),由于云層的存在會(huì)導(dǎo)致部分反演結(jié)果出現(xiàn)空值。此外,由于成都市PM2.5監(jiān)測(cè)站點(diǎn)分布不均勻且大都分布在城區(qū),而在一些鄉(xiāng)鎮(zhèn)及農(nóng)村地區(qū)并沒(méi)有監(jiān)測(cè)站點(diǎn),這使得在利用地理加權(quán)回歸模型進(jìn)行PM2.5濃度反演時(shí)離監(jiān)測(cè)站點(diǎn)越遠(yuǎn)的地區(qū)誤差可能就越大。PM2.5濃度是由多種因素共同影響的,在以后的研究中可以加入更多的建模因子,不僅僅是氣象因素,譬如流動(dòng)人口、GDP、工廠密度、綠化覆蓋率等各種評(píng)估指標(biāo),建立更加精確的模型。

5 結(jié) 論

利用MODIS L1B021KM數(shù)據(jù)反演了成都市1 km的AOD數(shù)據(jù),結(jié)合PM2.5地面監(jiān)測(cè)站點(diǎn)和氣象數(shù)據(jù)分別建立用于反演成都市2018年P(guān)M2.5濃度的地理加權(quán)回歸模型和多元線性回歸模型,分析了成都市PM2.5濃度的時(shí)空分布特征,獲得以下結(jié)論：

1)和多元線性回歸模型相比,地理加權(quán)回歸模型在成都市PM2.5濃度反演上具有更高的可信度,其反演 PM2.5濃度的R2、ERMS和EMA分別為 0.884、7.8704 μg·m?3和 6.1566 μg·m?3,都優(yōu)于多元線性回歸的0.808、9.7098 μg·m?3和 7.6081 μg·m?3。

2)成都市PM2.5濃度在月尺度上呈現(xiàn)出先降低、后升高的變化特征,其中2月份的平均濃度最高,其次為1月份,6–9月份的平均濃度都低于國(guó)家二級(jí)標(biāo)準(zhǔn),7月份濃度達(dá)到最低。在季節(jié)尺度上夏季的濃度最低為31.95μg·m?3,低于國(guó)家二級(jí)標(biāo)準(zhǔn),其次為秋季;冬季PM2.5濃度最高,達(dá)到61.38μg·m?3;PM2.5濃度季節(jié)變化特征從低到高依次為夏季、秋季、春季、冬季。

3)成都市PM2.5濃度空間分布總體上呈現(xiàn)“中間高、兩邊低”的特征。西邊及西北部的邛崍市、大邑縣、崇州市、都江堰市和彭州市為PM2.5濃度低值區(qū);中部地區(qū)為PM2.5濃度高值區(qū),主要包括新都區(qū)、郫都區(qū)、溫江區(qū)、新津縣以及彭州市和崇州市的東南部;東部的簡(jiǎn)陽(yáng)市和金堂縣為PM2.5濃度次高值區(qū)。